302.AI API Document
  1. Doubao
  • Large Language Model
    • API Migration Guide
    • Exclusive Feature
      • Search Online
        • Chat（Search online）
      • Depth-First Search
        • Chat（Depth-First Search）
      • Image Analysis
        • Chat（Image analysis）
      • Reasoning mode
        • Chat（Reasoning mode）
      • Link Parsing
        • Chat（Link Parsing）
      • Tool Invocation
        • Chat（tool invocation）
      • Long-term memory (Beta)
        • Memobase
          • User Management
            • Create User
            • Get User
            • Update User
            • Delete User
          • Data Management
            • Insert Data
            • Get Datas
            • Get Data
            • Delete Data
          • Memory Management
            • Flush Buffer (Generate Memory)
            • Get User Profile (Get Memory)
            • Delete User Profile (Delete Memory)
        • Chat (Long-term Memory)
      • Simplified API
        • Chat (Simplified API)
      • Asynchronous call
        • Asynchronous request to chat
        • Asynchronously retrieve/get results
      • Claude Format
        • Messages（Claude Format）
    • Model Support
      • Models (List models)
      • Status（Model Status）
    • OpenAI
      • Chat（Talk）
      • Responses（Talk）
      • Chat（Streamed return.）
      • Chat (gpt-4o Image Analysis)
      • Chat (gpt-4o Structured Output)
      • Chat (gpt-4o function call)
      • Chat (gpt-4-plus image analysis)
      • Chat (gpt-4-plus image generation)
      • Chat（gpt-4o-image-generation modify image）
      • Chat (gpts model)
      • Chat (chatgpt-4o-latest)
      • Chat (o1 Series Model)
      • Chat (o3 Series Model)
      • Chat（o4 Series）
      • Chat（gpt-4o audio model）
      • Responses（Deep-Research）
    • Anthropic
      • Chat（Talk）
      • Chat（Analyze image）
      • Chat（Function Call）
      • Messages（Original format）
      • Messages（Function Call）
      • Messages（Thinking mode）
      • Messages（128k output）
    • Gemini
      • Chat（Talk）
      • Chat（Analyze image）
      • Chat（Image Generation）
    • China AI Model
      • Chat (Baidu ERNIE)
      • Chat (Tongyi Qianwen)
      • Chat (Tongyi Qianwen-VL)
      • Chat（Tongyi Qianwen-OCR）
      • Chat (Zhipu GLM-4)
      • Chat (Zhipu GLM-4V)
      • Chat (Baichuan AI)
      • Chat (Moonshot AI)
      • Chat (Moonshot AI-Vision)
      • Chat (01.AI)
      • Chat (01.AI-VL)
      • Chat (DeepSeek)
      • Chat (DeepSeek-VL2)
      • Chat (ByteDance Doubao)
      • Chat (ByteDance Doubao-Vision)
      • Chat（ByteDance Doubao Image Generation）
      • Chat (Stepfun)
      • Chat (Stepfun Multimodal)
      • Chat (iFLYTEK Spark)
      • Chat (SenseTime)
      • Chat（Minimax）
      • Chat (Tencent Hunyuan)
    • SiliconFlow
      • Chat（SiliconFlow）
    • PPIO
      • Chat（PPIO）
    • SophNet
      • Chat（SophNet）
    • Open Source Model
      • Chat（LLaMA4）
      • Chat（LLaMA3.3）
      • Chat（LLaMA3.2 multimodal）
      • Chat（LLaMA3.1）
      • Chat（Mistral）
      • Chat（Pixtral-Large-2411multimodal）
      • Chat（Gemma-7B、Gemma-3-27b-it）
      • Chat（Gemma2-9B）
      • Chat（Command R+）
      • Chat（Qwen2）
      • Chat（Qwen2.5）
      • Chat（Qwen2.5-VL）
      • Chat（Qwen3）
      • Chat（Llama-3.1-nemotron）
      • Chat（QwQ-32B、QwQ-Plus、QwQ-32B-Preview）
    • Expert Model
      • Chat（WiseDiag Medical Model）
      • Chat (ChatLaw Legal Model)
      • Chat (Xuanyuan Financial Model)
      • Chat (Farui Legal Model)
      • Chat (Alibaba Math Model)
      • Chat（Perplexity search）
      • Chat（Alibaba Tongyi Translation Model）
    • Other Models
      • Chat（grok-3）
      • Chat（grok-2）
      • Chat（grok-2-vision）
      • Chat（Nova）
      • Chat（v0）
      • Chat (UniFuncs Deep Research)
      • Async Get Result
  • Image Generation
    • Unified interface
      • Explanation
      • Image Generation (302 Format)
      • Image Generation (OpenAI Format)
      • Image Edit(OpenAI Format)
    • GPT-Image-1
      • Generations（Image generation）
      • Edits（Modify Image）
    • DALL.E
      • Generations（DALL·E 3和DALL·E 2）
      • Edits（DALL·E 2）
      • Variations（DALL·E 2）
    • Stability.ai
      • Text-to-image (Image Generation-V1)
      • Generate (Image Generation-SD2)
      • Generate (Image Generation-SD3-Ultra)
      • Generate (Image Generation-SD3)
      • Generate（Image Generation-SD3.5-Large）
      • Generate（Image Generation-SD3.5-Medium）
      • Generate（Image to Image-SD3）
      • Generate（Image to Image-SD3.5-Large）
      • Generate（Image to Image-SD3.5-Medium）
    • Midjourney
      • Imagine
      • Action
      • Blend
      • Describe
      • Modal
      • Fetch
      • Cancel
    • Midjourney-Relax
      • Imagine
      • Action
      • Blend
      • Describe
      • Modal
      • Fetch
      • Cancel
    • 302.AI
      • SDXL
      • SDXL-Lora
      • SDXL-Lightning
      • SDXL-Lightning-V2
      • SDXL-Lightning-V3
      • SD3
      • SD3-V2
      • Aura-Flow
      • Kolors
      • Kolors（Reference Image Generation-KLING）
      • QRCode Generation
      • Lora
      • SD-3.5-Large
      • SD-3.5-Large-Turbo
      • SD-3.5-Medium
      • Lumina-Image-V2(Image generated)
      • Playground-v25（Image generated）
      • Omnigen-V1（Image generated）
      • Qwen-Image（Image generated）
    • Glif
      • Glif（Claude+SD3）
      • Glif (Text-to-Sticker)
      • Glif (Text-to-Graffiti)
      • Glif (Text-to-Wojak Comic)
      • Glif (Text-to-Lego)
    • Flux
      • Official API
        • Generate
        • Finetune
        • Result
      • Flux-Ultra（v1.1）
      • Flux-Pro
      • Flux-Pro（v1.1）
      • Flux-Dev
      • Flux-Schnell
      • Flux-Realism
      • Flux-Lora
      • Flux-General
      • Flux-General-Inpainting（Advanced Customization）
      • Flux-Lora-Training（Training Lora）
      • Flux-Lora-Training（Fetch Results Asynchronously）
      • Flux-1-Krea（Image Generation）
      • Flux-1-Krea-Redux（Image-to-Image Generation）
    • Ideogram
      • Generate（Text to ImageV3）
      • Generate（Text to Image）
    • Recraft
      • Recraft-V3（Text to Image）
      • Create-Style（Customized Styles）
      • Recraft-20B（Image Generation）
    • Luma
      • Luma-Photon（Image generation）
      • Luma-Photon-Flash（Fast image generation）
    • Doubao
      • Generations (Jimeng Image Generation)
      • Drawing（Doubao image generation）
    • Google
      • Imagen-4-Preview （Image generated）
      • Imagen-3 (Image generated)
      • Imagen-3-Fast (Image generated)
    • Minimax
      • image（Text-to-Image Generation）
    • ZHIPU
      • image（Text-to-Image Generation）
    • Baidu
      • iRAG(Text-to-Image Generation)
    • Hidream
      • Hidream-i1-full（Advanced Version）
      • Hidream-i1-dev（Intermediate Version）
      • Hidream-i1-fast（Entry-Level Version）
    • Bagel
      • Bagel（Image generation）
    • SiliconFlow
      • Create Image Generation Request
    • Higgsfield
      • Soul (Text to Image)
      • Character (Generate Character)
      • Fetch (Retrieve task results)
    • Kling
      • Images-Generations (Image Generation)
      • Fetch (Get Generated Image Task Result)
    • Tongyi Wanxiang
      • T2I (Text-to-Image Alibaba Cloud)
      • Tasks (Retrieve Task Results)
  • Image Processing
    • 302.AI
      • Upscale
      • Upscale-V2
      • Upscale-V3
      • Upscale-V4
      • Super-Upscale
      • Super-Upscale-V2
      • Face-upscale
      • Colorize
      • Colorize-V2
      • Removebg
      • Removebg-V2
      • Removebg-V3
      • Inpaint
      • Erase
      • Face-to-many
      • Llava
      • Relight
      • Relight-background
      • Relight-V2
      • Face-swap-V2
      • Fetch
      • HtmltoPng
      • SvgToPng
      • image-translate
      • image-translate-query
      • image-translate-redo
      • Flux-selfie
      • Trellis（Image to 3D model）
      • Pose-Transfer（Human Pose Transformation）
      • Pose-Transfer（Human Pose Transformation Result）
      • Virtual-Tryon
      • Virtual-Tryon（Fetch Result）
      • Denoise（AI Denoising）
      • Deblur（AI Deblurring）
      • SAM（AI-generated mask image）
      • Retouch（Portrait beautification）
      • Moondream2 (Image Prompt Generation)
    • 302.AI-ComfyUI
      • Create Outfit Change Task
      • Create Outfit Change Task (Upload Mask)
      • Query Outfit Change Task Status
      • Create Face Swap Task
      • Query Face Swap Task Status
      • Create a Task to Replace Any Item
      • Create Object Replacement Task (Upload Mask)
      • Check the Status of Any Object Replacement Task
      • Create a Task to Transform Cartoon Characters into Real People
      • Query the status of the task to turn a manga character into a real person
      • Create Style Transfer Task
      • Query the status of the style transfer task
      • Create Image Removal Task
      • Query Image Removal Task Status
      • Create Video Face Swap Task
      • Query Video Face Swap Task Status
    • Vectorizer
      • Vectorize
    • Stability.ai
      • Fast Upscale
      • Creative Upscale
      • Conservative Upscale
      • Fetch
      • Erase
      • Inpaint
      • Outpaint
      • Search-and-replace
      • Search-and-recolor
      • Remove-background
      • Sketch
      • Structure
      • Style
      • Replace-Background
      • Stable-Fast-3D
      • Stable-Point-3D（Image to 3D Model Conversion -New Version）
      • Style-Transfer
    • Glif
      • Glif（Portrait Photo Stylization）
      • Glif（Photo-to-Sculpture）
      • Glif（Photo Pixelation）
      • Glif（Logo Materialization）
      • Glif（Image-to-GIF）
    • Clipdrop
      • Cleanup
      • Upscale
      • Remove-background
      • Uncrop
    • Recraft
      • Vectorize Image
      • Remove Background
      • Clarity Upscale
      • Generative Upscale
    • BRIA
      • Remove Background
      • Blur Background
      • Generate Background
      • Erase Foreground
      • Eraser
      • Expand Image
      • Increase Resolution
      • Crop
      • Cutout
      • Packshot
      • Shadow
      • Scene
      • Caption
      • Register
      • Mask
      • Presenter info
      • Modify Presenter
      • Delayer Image
    • Flux
      • Official API
        • Generate（Image Edit）
        • Result（Query Task）
      • Flux-V1.1-Ultra-Redux（Image-to-image generation-Ultra）
      • Flux-V1.1-Pro-Redux（Image-to-image generation-Pro）
      • Flux-Dev-Redux（Image-to-image generation-Dev）
      • Flux-Schnell-Redux（Image-to-image generation-Schnell）
      • Flux-V1-Pro-Canny（Object consistency）
      • Flux-V1-Pro-Depth（Depth consistency）
      • Flux-V1-Pro-Fill（Partial repainting）
      • Flux-Kontext-Pro（Image Edit）
      • Flux-Kontext-Max（Image Edit）
      • Flux-Kontext-Dev（Image Edit）
    • Hyper3D
      • Hyper3d-Rodin（Generate 3D models）
      • Hyper3d-Rodin（Obtain task results）
    • Tripo3D
      • Task（Task Submission）
      • Upload（Image Upload）
      • Fetch
    • FASHN
      • Fashn-Tryon（Virtual Try-On）
      • Fashn-Tryon（Virtual Try-On v1.5）
    • Ideogram
      • Edit（Image EditionV3）
      • Remix（Image to ImageV3）
      • Reframe（Image ExtensionV3）
      • Replace Background（V3）
      • Remix（Image to Image）
      • Upscale（Image Upscaling）
      • Describe（Image Description）
      • Edit（Image Edition）
    • Doubao
      • SeedEdit（Image Command Editing）
      • Character（Character Feature Preservation）
      • SeedEdit_v3.0 (Image Command Editing)
      • SeedEdit_v3.0 (Result Acquisition)
      • Portrait (Portrait Photography)
      • Portrait (Result Acquisition)
    • Kling
      • Virtual-Try-On
      • Fetch（Get Task Result）
      • Images-expand
      • Fetch（Retrieve the results of the image upscaling task）
    • StepFun
      • Step1x-Edit（Modify Image）
    • Bagel
      • Bagel-Edit（Image Edit）
    • Gongji Computing
      • Flux Dev
        • Create flux_dev text-to-image task
        • Query flux_dev text-to-image task
      • Flux Kontext Dev
        • Create flux_kontext_dev image editing task
        • Query flux_kontext_dev image editing tasks
        • Create LoRA Image Editing Task
        • View LoRA Image Editing Task
      • Face Swapper
        • Create face_swapper task
        • Get face_swapper task
      • Clothes Changer
        • Create clothes changer task without mask
        • Get clothes changer task without mask
        • Create clothes changer task with mask
        • Get clothes changer task with mask
    • Hunyuan3D
      • Hunyuan3d-v21 (Generate 3D Model)
      • Hunyuan3d-v21 (Get Task Result)
    • Hidream
      • Hidream-E1 (Image Editing)
  • Video Generation
    • Unified Interface
      • Explanation
      • Create Video Generation Task
      • Retrieve Video Task Information
    • 302.AI
      • Image-to-video
      • Live-portrait
      • Video-To-Video
      • Fetch
      • Latentsync (Open source digital person)
      • Latentsync (get task results)
      • Upscale-Video（Video Enhancement）
      • Upscale-Video（Get Video Results）
    • Stable Diffusion
      • Image-to-video
      • Fetch Image-to-video
    • Luma AI
      • Submit（Text / Image to Video）
      • Extend（Video）
      • Fetch
    • Runway
      • Submit（Text to Video）
      • Submit（Image to Video）
      • Submit（Image to Video Rapid）
      • Submit（Image-to-Video Generation with Gen4）
      • Submit（Image to Video Generation Gen4-Turbo）
      • Submit（Video to Video）
      • Submit（Video to Video Rapid）
      • Act-two（Video Style Transfer）
      • Submit（Video extension）
      • Aleph (Video Editing)
      • Fetch
    • Kling
      • 302 format
        • Text to Video
          • Txt2Video（Text to Video 1.0 Rapid-5s）
          • Txt2Video_HQ（Text to Video 1.5 HQ-5s）
          • Txt2Video_HQ（Text to Video 1.5 HQ-10s）
          • Txt2Video（Text to Video 1.6 Standard-5s）
          • Txt2Video（Text to Video 1.6 Standard-10s）
          • Txt2Video（Text to Video 1.6 HQ-5s）
          • Txt2Video（Text to Video 1.6 HQ-10s）
          • Txt2Video（Text-to-Video 2.0 – HD – 5s）
          • Txt2Video（Text-to-Video 2.1 – Master Edition – 5S）
          • Txt2Video（Text-to-Video 2.1 – Master Edition – 10S）
        • Image to Video
          • Image2Video（Image to Video 1.0 Rapid-5s）
          • Image2Video（Image to Video 1.0 Rapid-10s）
          • Image2Video（Image to Video 1.5 Rapid-5s）
          • Image2Video（Image to Video 1.5 Rapid-10s）
          • Image2Video_HQ（Image to Video 1.5 HQ-5s）
          • Image2Video_HQ（Image to Video 1.5 HQ-10s）
          • Image2Video（Image to Video 1.6 Standard-5s）
          • Image2Video（Image to Video 1.6 Standard-10s）
          • Image2Video（Multiple Images Reference）
          • Image2Video（Image to Video 1.6 HQ-5s）
          • Image2Video（Image to Video 1.6 HQ-10s）
          • Image2Video（Image-to-Video 2.0 – HD – 5s）
          • Image2Video（Image-to-Video 2.0 – HD – 10s）
          • Image2Video（Image video 2.1-5 seconds）
          • Image2Video（Image video 2.1-10 seconds）
          • Image2Video（Image Video 2.1-HD-10 seconds）
          • Image2Video（Image Video 2.1-HD-5 seconds）
          • Image2Video（Image to Video 2.1–Master –5seconds）
          • Image2Video（Image to Video 2.1–Master–10seconds）
        • Extend_Video
        • Fetch
      • Official format
        • Text2video (Text-to-Video Official API)
        • Text2video (Text-to-Video Get Task Result)
        • Image2video (Image-to-Video Official API)
        • Image2video (Image-to-Video Get Task Result)
        • MultiImage2Video（Multiple Images Reference）
        • MultiImage2Video（Get Multi-Image Video Task Result）
        • Effects（Video Effects Official API）
        • Effects（Get Video Effects Task Result）
    • CogVideoX
      • Generations (text-generated video)
      • Generations(Image-generated video)
      • Generations (Video Generation from Start and End Frames)
      • Results (get task results)
    • Minimax
      • Video（Text-to-Video）
      • Video (Image-to-Video Generation)
      • Video（Based on Subject Reference）
      • Video (Camera Movement Control)
      • Video（MiniMax-Hailuo-02）
      • Query（Result）
      • Files（Video Download）
    • Pika
      • 1.5 pikaffects（Image-to-Video Generation）
      • Turbo Generate（Text-to-Video Generation）
      • Turbo Generate（Text-to-Video Generation）
      • 2.1 Generate（Text-to-Video Generation）
      • 2.1 Generate（Image-to-Video Generation）
      • 2.2 Generate（Text-to-Video Generation）
      • 2.2 Generate（Image-to-Video Generation）
      • 2.2 Pikascenes（Generate scene videos）
      • Fetch（Result）
    • PixVerse
      • Pixverse Special Effect ID
      • Pixverse Sound Effect ID
      • Generate（Text-to-Video Generation）
      • Generate（Image-to-Video Generation）
      • Generate（Multi-Subject Reference）
      • Fetch
      • Lipsync (Submit lip-sync task)
      • Lipsync (Get lip-sync task result)
    • Genmo
      • Mochi-v1 (Get task results)
      • Mochi-v1（Text to Video）
    • Hedra
      • 2.0
        • Audio（Upload）
        • Portrait（Upload）
        • Characters（lip-synthesis）
        • Fetch（Result）
      • 3.0
        • List Models（Get a list of models）
        • Create Asset（Resource creation）
        • Upload Asset（Resource upload）
        • Generate Asset（Resource Synthesis）
        • Get Status（Get resource synthesis results）
    • Haiper
      • Haiper（Text to Video）
      • Haiper（Image to Video）
      • Haiper（Text to Video V2.5）
      • Haiper（Image to Video V2.5）
      • Haiper（Fetch Task Result）
    • Sync.
      • Generate
      • Fetch
    • Lightricks
      • Ltx-Video
      • Ltx-Video-I2V
      • Ltx-Video-v095（Text-to-video generation）
      • Ltx-Video-v095-I2V（Image-to-Video Generation）
    • Hunyuan
      • Hunyuan（Text-to-Video）
      • Hunyuan（Obtain Task Results）
    • Vidu
      • Vidu（Text-to-Video）
      • Vidu（Image to Video）
      • Vidu（Generate video from the first and last frames）
      • Vidu（Reference-based video generation）
      • Vidu（Generate scene video）
      • Vidu（Smart Ultra HD）
      • Fetch（Retrieve Task Results）
      • Vidu V2（Text-to-Video Generation）
      • Vidu V2（Image-to-Video）
      • Vidu V2（Start-and-End Frame Video Generation）
      • Vidu V2（Subject-Driven Video Generation）
      • Vidu（Scene Video Generation V2）
      • Vidu V2（AI Ultra HD – Premium）
      • Fetch V2（Retrieve Task Result）
    • Tongyi Wanxiang
      • wan2.2-a14b-t2v (Text to Video)
      • wan2.2-a14b-t2v (Get Task Result)
      • wan2.2-a14b-i2v (Image to Video)
      • wan2.2-a14b-i2v (Get Task Result)
      • wan2.2-5b-t2v (Text to Video)
      • wan2.2-5b-t2v (Get Task Result)
      • wan2.2-5b-i2v (Image to Video)
      • wan2.2-5b-i2v (Get Task Result)
      • T2V（Text-to-Video）
      • Tasks（Fetch Task Result）
      • wan-t2v（Text-to-video open source version）
      • wan-t2v（Fetch Task Result）
      • wan-i2v（Image-to-video open source version）
      • wan-i2v（Fetch Task Result）
      • wan-vace（Video Edit）
      • wan-vace（Fetch Task Result）
      • T2V (Text-to-Video Alibaba Cloud)
      • I2V (Image-to-Video Alibaba Cloud)
      • Tasks (Get Task Results)
    • Jimeng
      • Seaweed (Text/picture generated video)
      • Seaweed (Fetch Task Results)
      • Seedance (Text/picture generated video)
      • Seedance (Fetch Task Results)
      • Omnihuman（Submits Task）
      • Omnihuman（Get Task Results）
    • SiliconFlow
      • LTX-Video(Video Generation)
      • HunyuanVideo(Video Generation)
      • Mochi-1-Preview(Video Generation)
      • Tasks(Fetch Task Result)
    • Google
      • Veo3-Fast（Text-to-video）
      • Veo3-Fast（Get task result）
      • Veo3-Fast-Frames（Image and Text to Video Generation）
      • Veo3-Fast-Frames (Get task result)
      • Veo3-Pro（Text-to-video）
      • Veo3-Pro（Get task result）
      • Veo3-Pro-Frames（Image and Text to Video Generation）
      • Veo3-Pro-Frames（Veo3-Pro-Frames）
      • Veo2（Text-to-video）
      • Veo2-i2v（Image to video generation）
      • Veo2（Get task results）
      • Veo3 (Text-to-video)
      • Veo3 (Get task result)
      • Veo3-V2（V2 API Format）
      • Veo3-V2（V2 API Format）
    • Kunlun Tech
      • Skyreels（Image to Video）
      • Skyreels（Get task results）
    • Higgsfield
      • Generate（Image to Video）
      • Shortads（Image-Generated Advertising Video）
      • Fetch（获取任务结果）
    • Chanjing
      • Create a video synthesis task
      • Retrieve video details
      • Delete video
      • Retrieve the list of supported fonts
      • Generate a digital human avatar
      • Retrieve avatar details
      • Delete avatar
      • Public digital human list
    • Midjourney
      • MJ-Video（Image to Video）
      • MJ-Video（Video Extension）
      • Fetch（Fetch Task）
    • Topview
      • Marketing Digital Avatar
        • Submit Avatar Marketing Video
        • Get Avatar Marketing Video Results
        • Get Script List
        • Modify Script Content
      • Regular Digital Avatar
        • VideoAvatar Submit
        • VideoAvatar Query
        • Create Private Digital Avatar
        • Query Private Digital Avatar
        • Delete Private Digital Avatar
        • Query Public Digital Avatar
        • Query Public Voices
        • Query Subtitle Style Interface
      • Product Digital Avatar
        • Product ImageReplace Submit
        • Product ImageReplace Query
        • Product Image2Video Submit
        • Product Image2Video Query
        • Query Public Digital Avatar
        • Query Product Categories
      • Product Image Replacement
        • productAnyShoot ReplaceImage Submit
        • productAnyShoot ReplaceImage Query
        • Query Template List
        • Query Template Categories
      • Image to Video
        • Submit Image2video (Image to Video)
        • Query Image2video (Image to Video)
      • Upload Interface
  • Audio/Video Processing
    • Unified interface
      • TTS
        • Query TTS Provider Information
        • Text-to-Speech Generation(302 Format)
        • Text-to-Speech Generation(Openai Format)
    • 302.AI
      • Stable-Audio（instrumental generation）
      • Transcript (Audio/Video to Text)
      • Transcriptions（Speech to Text）
      • Alignments（Subtitle Timing）
      • WhisperX
      • F5-TTS（Text to Speech）
      • F5-TTS （Asynchronous Text-to-Speech）
      • F5-TTS （Asynchronously Retrieve Results）
      • mmaudio（Text-to-Speech）
      • mmaudio（AI Video Voiceover）
      • mmaudio （Asynchronous Result Retrieval）
      • Diffrhythm（Song Generation）
      • Video-Understanding (Video understanding)
      • Video-Understanding (Asynchronously get result)
    • OpenAI
      • Speech（Text to Speech tts-1）
      • Transcriptions（Speech to Text whisper-1）
      • Translations（Speech to English Text whisper-1）
      • Realtime
    • Azure
      • AzureTTS（Text to Speech）
      • Voice-List
    • Suno
      • Music（Automatic Mode）
      • Music（Custom Mode）
      • Music（Generate Lyrics）
      • Music（Song Continuation）
      • Fetch
    • Doubao
      • tts_hd（Text to Speech）
        POST
      • vc-ata（Automatic subtitle timing）
        POST
      • fetch（Query Generation Status）
        GET
      • vc（Audio and video caption generation）
        POST
      • fetch（Query caption result）
        GET
      • Recognize (Rapid Audio File Recognition)
        POST
    • Fish Audio
      • TTS（Text to Speech）
      • Model（Create Voice）
      • Model（Obtain Voice）
      • Model（Delete Voice）
      • Model（Update Voice）
      • Model（Get Voice List）
    • Minimax
      • T2A（Async extra content generation）
      • T2A（Status Inquiry）
      • T2V（Create Voice）
      • Files（Audio File Download）
      • Music_Upload（Upload original music）
      • Music Generation API
      • T2A (voice generation-synchronization)
      • Upload
      • Voice Clone
    • Dubbingx
      • TTS（Text to Speech）
      • GetTTSList（Get Voice List）
      • GetTTSTask（Get Task Status）
      • Analyze（emotions）
    • Udio
      • Generate（Music Generation）
      • Generate（Music Continuation）
      • Query
    • Elevenlabs
      • 302 Format
        • Speech-to-text（Speech-to-Text）
        • Speech-to-text（Asynchronously fetch results）
        • TTS-Multilingual-v2（Text-to-Speech）
        • TTS-Multilingual-v2（Asynchronous result retrieval）
        • TTS-Flash-v2.5（Text-to-Speech）
        • TTS-Flash-v2.5（Asynchronous result retrieval）
      • Official Format
        • Text-to-speech
        • Speech-to-text
        • Models (Get Models)
        • Voices（Get Voices）
    • Mureka
      • Upload Music
      • Generate Lyrics from a Prompt
      • Continue writing lyrics from existing lyrics
      • Generate a Song from Lyrics
      • Retrieve the Generated Song
      • Separate Music Stems
      • Generate Instrumental Music Track
      • Retrieve Instrumental Music Track
      • Text-to-Speech
      • Create Podcast Audio
    • SiliconFlow
      • Upload reference audio
      • Delete reference audio
      • Create speech-to-text request
      • Create text-to-speech request
      • FunAudioLLM/CosyVoice2-0.5B文本转语音
      • fnlp/MOSS-TTSD-v0.5文本转语音
    • Google
      • Text-to-Speech
      • gemini-2.5-flash-preview-tts
      • gemini-2.5-pro-preview-tts
    • Chanjing
      • Create a language generation task
      • Retrieve speech synthesis results
      • Create a voice customization task
      • Retrieve voice customization results
      • Delete customized voice
  • Information Processing
    • Unified Search API
      • Unified Search API
    • 302.AI
      • Admin Dashboard
        • Balance（Account balance）
        • Price（Get API Pricing）
        • Retrieve User API Keys List Data
        • Retrieve Data for Specified API Key
        • Create API Key
        • Update API Key
        • Delete API Key
      • Information search
        • Xiaohongshu_Search
        • Xiaohongshu_Note
        • Get_Home_Recommend
        • Tiktok_Search
        • Douyin_Search
        • Twitter_Search
        • Twitter_Post（X_Post）
        • Twitter_User（X_User）
        • Weibo_Post
        • Search_Video
        • Youtube_Info
        • Youtube_Subtitles（Youtube Obtain Subtitles）
        • Bilibili_Info（Bilibili Obtain Video Information）
        • MP_Article_List（Get the list of WeChat official account articles）
        • MP_Article（Retrieve WeChat Official Account articles）
      • File processing
        • Parsing
        • Upload-File
        • Markitdown (File conversion to md format)
      • Code execution
        • Virtual Machine Sandbox
          • One-click Code Execution
          • Create Sandbox
          • Query Your Sandbox List
          • Destroy Sandbox
          • Run-Code
          • Run Command Line
          • Query File Information at Specified Path
          • Import File Data into Sandbox
          • Export Sandbox Files
        • Static Sandbox
          • Run-Code
      • Remote Browser
        • Create Browser Automation Task
        • Query Browser Task Status
      • Paper2Code
        • Create Paper2Code Task
        • Query Paper2Code Task
      • Paper2Poster
        • Create paper2poster Task
        • Query paper2poster Task
      • LLMxMapReduce
        • 创建写作任务
        • 查询写作任务
    • Tavily
      • Search
      • Extract
    • SerpApi
      • Search
      • Search（News）
      • Search（Images）
      • Search（Lens）
      • Search（Videos）
      • Search（Scholar）
      • Search（Patents）
      • Search（Baidu）
    • Search1API
      • Search
      • News
      • Crawl
      • Sitemap（Site Map）
      • Trending (Popular Trends)
    • Exa
      • Search
      • Contents（Get content）
      • Answer
    • Bocha AI
      • Web-search
      • Ai-search
    • Doc2x
      • Version 2
        • PDF（Upload - Asynchronous）
        • Status（View Status）
        • Parse（Request Export File - Asynchronous）
        • Result（exported results）
      • Version 1 (Deprecated)
        • PDF（PDF-to-MD）
        • PDF-Async
        • IMG-to-MD
        • IMG-Async
        • Status
        • Export
    • Glif
      • Glif（Bot）
    • Jina
      • Reader（Web Page to Markdown）
      • Search
      • Grounding（Verification of Facts）
      • Classify
    • DeepL
      • Chat（Translate into English）
      • Chat（Translate into Chinese）
      • Chat（Translate into Japanese）
      • Translate（Translate into various language）
    • RSSHub
      • RSSHub
    • Firefly card
      • saveImg（Card Generation）
    • Youdao
      • Youdao（Youdao Translate）
    • Mistral
      • OCR（PDF Parsing)
    • Firecrawl
      • Scrape
      • Batch Scrape
      • Get Batch Scrape Status
      • Get Batch Scrape Errors
      • Map
      • Search
    • MetaSota Search
      • Search
      • Reader
      • Chat
    • MinerU
      • Create PDF Parsing Task (Open Source Deployment Version)
      • View PDF Parsing Task (Open Source Deployment Version)
      • Create PDF Parsing Task (Official Free Version)
      • View PDF Parsing Task (Official Free Version)
  • RAG-related
    • OpenAI
      • Embeddings
    • Jina
      • Embeddings
      • Rerank
      • Rerank（Multimodal Reordering）
      • Tokenizer
    • China Model
      • Embeddings（Zhipu）
      • Embeddings（BAAI）
      • Embeddings（Baichuan AI）
      • Embeddings（Youdao）
      • Rerank（Youdao）
      • Rerank（BAAI）
    • 302.AI
      • Chat（with KB）
      • Chat（with KB-OpenAI compatible）
      • Create（Knowledge Base）
      • Delete（Knowledge Base）
      • Upload
      • List（KB）
      • Info
      • Meta-Chunking（Text LLM slices）
      • Meta-Chunking（File LLM slices）
    • SiliconFlow
      • Embeddings
      • Rerank
    • Google
      • Embeddings
  • Tools API
    • AI Video Creation Hub
      • Scripts（Generate Video Content Copy）
      • Terms（Generate Video Material Search Keywords）
      • Videos（Create Video Material Generation Task）
      • Tasks（Get Video Task Progress）
    • AI Paper Writing
      • CO-STORM
        • Create generate article task
        • Continue to generate dialogue interfaces
        • Update article content interface
        • Get article information
      • Asynchronous Paper Generate
      • Fetch
    • AI Podcast Production
      • Asynchronous Generate Podcast Transcripts
      • Check the status of podcast text generation task
      • Asynchronously Generate Podcast Audio
      • Check the status of podcast audio generation task
    • AI Writing Assistant
      • Get Tools‘ List
      • Generate Copywriting
    • AI Video Real-Time Translation
      • Query Video Information
      • Video Download
      • Extract Audio from Video
      • Audio vocal separation and transcription
      • Subtitle Translation
      • Video Burning
      • Original sound clone
      • Query task status
    • AI Document Editor
      • Generate a long text outline
      • Generate article content
    • Web Data Extraction Tool
      • Generate Schema
      • Create an extraction task
      • Query extraction progress
    • AI Prompt Expert
      • Prompt Optimization
      • Image prompt generation
      • Create SPO Prompt Optimization Task
      • Query SPO Prompt Optimization Results
    • AI 3D Modeling
      • 3D model file type conversion
    • AI Search Master 3.0
      • AI Search
    • AI Vector Graphics Generation
      • SVG to video
    • Al Answer Machine
      • Answer
    • AI PPT Generator
      • Generate PPT interface with one click
      • File parsing
      • Generate an outline
      • Generate outline content
      • Get template options
      • Generate PPT interface (synchronous interface)
      • Load PPT data
      • Generate PPT interface (asynchronous interface)
      • Asynchronous query generates PPT status
      • Download PPT
      • Add/update custom PPT templates
      • Pagination query PPT template
    • AI Academic Paper Search
      • arxiv Paper Search
      • Google Paper Search
    • One-Click Website Deployment
      • Create Hosted Webpage (Form Parameter API)
      • Create Hosted Webpage (JSON Parameter API)
      • Create Hosted Webpage (Binary Parameter API)
      • Query the List of Hosted Projects under an API Key
    • AI Avatar Maker
      • Generate Avatar (JSON Parameter Example)
      • Avatar Generation (form-data parameter example)
    • AI Card Generation
      • Generate Knowledge Card
      • Generate Poster
      • Generate philosophical cards
      • Generate philosophical quotation sayings
      • 生成知识卡片
    • AI Image Creative Station API
      • Creative Image Generation API Usage Instructions
      • Get Model List
      • Generate Creative Images
  • Help Center
    • HTTP Status Codes
    • List of supported languages for image translation
  • 图片生成
    • Doubao即梦
      • Generations（SeedEdit 3.0）
    • 302.AI
      • Lora（Get task result）
  1. Doubao

Recognize (Rapid Audio File Recognition)

POST
/doubao/largemodel/recognize
This API is suitable for rapid recognition scenarios of audio recordings. Based on large model capabilities, it provides better recognition results and faster response times. The invocation method is a single request that returns the recognition result immediately, without the need for submit/query polling.
Usage Limitations
ItemLimitation Description
Audio DurationNo more than 2 hours
Audio SizeNo more than 100MB
Audio EncodingSupports PCM / WAV / MP3 / OGG OPUS
Upload File Binary StreamSize limited to within 20MB, depending on client outbound bandwidth
Multi-channelCompared to mono, processing time will increase accordingly
Price: 0.015PTC/minute

Request

Header Params

Body Params application/json

Example
{
    "url": "https://file.302.ai/gpt/imgs/20250701/a2057cbb50b14e779b11af54c38e6265.mp3"
}

Request samples

Shell
JavaScript
Java
Swift
Go
PHP
Python
HTTP
C
C#
Objective-C
Ruby
OCaml
Dart
R
Request Request Example
Shell
JavaScript
Java
Swift
curl --location --request POST 'https://api.302.ai/doubao/largemodel/recognize' \
--header 'Authorization: Bearer sk-jls4AaVBGoe1GwZD64qZA1qyKTN1MPHa4NmvH1cT68z7K1Zz' \
--header 'Content-Type: application/json' \
--data-raw '{
    "url": "https://file.302.ai/gpt/imgs/20250701/a2057cbb50b14e779b11af54c38e6265.mp3"
}'

Responses

🟢200成功
application/json
Body

Example
{}
Modified at 2025-08-04 06:09:44
Previous
fetch（Query caption result）
Next
TTS（Text to Speech）
Built with